wen博，你好
我有一个问题想请教您，是关于'train_pointgroup.py'中创建网络模型时用到的UBlock类
这个类的forward方法实现如下:
def forward(self, input):
output = self.blocks(input)
identity = spconv.SparseConvTensor(output.features, output.indices, output.spatial_shape, output.batch_size)
if len(self.nPlanes) > 1:
output_decoder = self.conv(output)
output_decoder = self.u(output_decoder)
output_decoder = self.deconv(output_decoder)
output.features = torch.cat((identity.features, output_decoder.features), dim=1)
output = self.blocks_tail(output)
return output
当len(self.nPlanes) > 1时，output.features的维度是self.nPlanes[0]*2，output的维度是self.nPlanes[0]，但是self.blocks_tail()需要output和output.features这两个tensor的维度都是self.nPlanes[0]，为什么这里会出现函数输入维度和实际输入维度不一致的情况呢？
wen博，你好
我有一个问题想请教您，是关于'train_pointgroup.py'中创建网络模型时用到的UBlock类
这个类的forward方法实现如下:
当
len(self.nPlanes) >1时，output.features的维度是self.nPlanes[0]*2，output的维度是self.nPlanes[0]，但是self.blocks_tail()需要output和output.features这两个tensor的维度都是self.nPlanes[0]，为什么这里会出现函数输入维度和实际输入维度不一致的情况呢？